本研究探讨了集成学习技术如何提升图神经网络（GNN）的性能与鲁棒性。通过训练多个不同初始化或结构的GNN模型，构建了ELGNN集成模型，并利用树状结构Parzen算法确定权重，从而提高准确性，减少偏差与方差，减轻噪声影响。研究结果表明，集成学习在复杂图结构数据分析中的有效性。